电线积冰是电网正常运行中最大的气象灾害之一,而冻雨是造成电线积冰事故的主要灾害性天气。利用耦合了中尺度天气研究和预报(weather research and forecasting,WRF)模式的美国空军气象局(Air Force Weather Agency,AWFA)冻雨预报系统...电线积冰是电网正常运行中最大的气象灾害之一,而冻雨是造成电线积冰事故的主要灾害性天气。利用耦合了中尺度天气研究和预报(weather research and forecasting,WRF)模式的美国空军气象局(Air Force Weather Agency,AWFA)冻雨预报系统,对发生在中国南方的3次冻雨事件进行预报,通过威胁指数(threat scores,TS)评分对AWFA系统在中国地区的冻雨预报能力进行了评估,并根据其输出的冻雨参数,用覆冰增长模型对三次冻雨过程中,电线积冰厚度进行了模拟。结果表明:冻雨事件的发生必须同时满足逆温层、空中高液态含水量和地温低于0℃这三个气象条件;AFWA冻雨预报系统对中国冻雨也有一定的预报能力,但预测范围较实际观测的区域偏大,三次冻雨事件预报TS评分在0.30~0.63,平均为0.45;模拟电线积冰厚度的范围与观测的冻雨密集区相当吻合,对明显的冻雨过程有较好的预报能力且能够获得电线积冰厚度的精细化分布。研究结果对中国南方冻雨预报、电线积冰预报有重大的参考价值,并为电网的防灾减灾提供了坚实的理论支撑。展开更多
风速预测是风力预报中的核心与基础,采用天气研究和预报(Weather Research and Forecasting,WRF)模式进行风力预报往往存在风速预测误差较大的问题.为了提高风速预测精度,提出了一种基于深度学习和支持向量回归(Support Vector Regressi...风速预测是风力预报中的核心与基础,采用天气研究和预报(Weather Research and Forecasting,WRF)模式进行风力预报往往存在风速预测误差较大的问题.为了提高风速预测精度,提出了一种基于深度学习和支持向量回归(Support Vector Regression,SVR)相结合的风速预测模型.该模型以WRF模式预报输出的多种气象变量为基础,结合气象自动观测站传感器的实测风速,引入堆栈降噪自动编码(Stacked De-noising Auto-Encoder,SDAE)深度网络来学习样本数据中隐含的深度特征,然后将该深度网络最后一层输出的深度特征置入回归器SVR中,利用SVR良好的回归预测性能对WRF模式预报的未来1 h风速进行预测订正.结果表明:所建立的SDAE-SVR风速预测模型具有较高的风速预测精度,在对典型日的WRF模式预报未来1 h风速的预测订正中,其平均百分比误差与均方根误差仅为8.28%与0.8066m·s^-1.展开更多
文摘电线积冰是电网正常运行中最大的气象灾害之一,而冻雨是造成电线积冰事故的主要灾害性天气。利用耦合了中尺度天气研究和预报(weather research and forecasting,WRF)模式的美国空军气象局(Air Force Weather Agency,AWFA)冻雨预报系统,对发生在中国南方的3次冻雨事件进行预报,通过威胁指数(threat scores,TS)评分对AWFA系统在中国地区的冻雨预报能力进行了评估,并根据其输出的冻雨参数,用覆冰增长模型对三次冻雨过程中,电线积冰厚度进行了模拟。结果表明:冻雨事件的发生必须同时满足逆温层、空中高液态含水量和地温低于0℃这三个气象条件;AFWA冻雨预报系统对中国冻雨也有一定的预报能力,但预测范围较实际观测的区域偏大,三次冻雨事件预报TS评分在0.30~0.63,平均为0.45;模拟电线积冰厚度的范围与观测的冻雨密集区相当吻合,对明显的冻雨过程有较好的预报能力且能够获得电线积冰厚度的精细化分布。研究结果对中国南方冻雨预报、电线积冰预报有重大的参考价值,并为电网的防灾减灾提供了坚实的理论支撑。
文摘风速预测是风力预报中的核心与基础,采用天气研究和预报(Weather Research and Forecasting,WRF)模式进行风力预报往往存在风速预测误差较大的问题.为了提高风速预测精度,提出了一种基于深度学习和支持向量回归(Support Vector Regression,SVR)相结合的风速预测模型.该模型以WRF模式预报输出的多种气象变量为基础,结合气象自动观测站传感器的实测风速,引入堆栈降噪自动编码(Stacked De-noising Auto-Encoder,SDAE)深度网络来学习样本数据中隐含的深度特征,然后将该深度网络最后一层输出的深度特征置入回归器SVR中,利用SVR良好的回归预测性能对WRF模式预报的未来1 h风速进行预测订正.结果表明:所建立的SDAE-SVR风速预测模型具有较高的风速预测精度,在对典型日的WRF模式预报未来1 h风速的预测订正中,其平均百分比误差与均方根误差仅为8.28%与0.8066m·s^-1.
